摘要
本发明公开了一种人员异常行为检测的方法,包括:取监控场景视频数据,构造数据集;构建S3DD‑Yolov11模型;建立人员异常行为监测系统;目标监测。本发明通过部署压缩—激励SE(Squeeze&Excitation)注意力机制、3D空洞卷积及可变形卷积替换Yolov11原有的2D卷积,更好地模拟人体形态,提高网络检测性能;面向嵌入式平台进行算法优化,将一个大范围池化划分为多个小窗口池化,在功能等效的情况下减少计算复杂度,提升监测速度;构建了基于S3DD‑Yolov11的人员异常行为监测系统,实现了人员异常行为检测,集成了报警、信息实时显示和历史查询等功能,可用于社区居民安防、社会安全管理场景。对预防、及时处理相关事件起至关重要的作用。
技术关键词
卷积模块
神经网络模型
注意力机制
面向嵌入式平台
空洞
监测系统
机器学习模型
训练集
视频
处理器
数据
可读存储介质
存储器
场景
复杂度
电子设备
居民
形态
系统为您推荐了相关专利信息
智能照明控制方法
位置状态信息
智能照明控制系统
神经网络模型
亮度
触觉刺激模块
控制扩展模块
中央控制模块
模拟开关
位点
点云
车辆自主
道路路面
路面附着系数
RANSAC算法
表面缺陷检测方法
深度学习模型
钢材
注意力机制
卷积模块
文本
细粒度情感分析
依存句法分析
特征提取模块
嵌入特征